单目相机标定方法从理论到实践

帮助文档：

1. 单目相机成像原理.pdf
2. 程序帮助文档.pdf

同样提供 md 文件，在 doc 文件夹中，可以下载下来，用Typora打开即可，

单目相机的标定是所有三维重建算法的基础，所以，大致明白单目相机的成像原理，以及基于OpenCV的标定流程，对于我们后序深入地学习三维重建算法至关重要。

相机标定的具体原理比较复杂，但好在OpenCV很多过程都帮我们封装好了，基于张正友标定发的单目相机标定具体步骤如下：

1. 准备标定图片（不同位置、角度、姿态下拍摄，至少需要3张，以10~20张为宜）
2. 对每一张标定图片，提取角点信息，并进行亚像素角点优化（绘制相应图像）
3. 调用张正友标定方法，对相机进标定，也就是计算内参和畸变系数
4. 对标定结果进行评价（重投影误差）
5. 利用标定结果（内参、畸变系数），对任何输入的图像进行矫正

相信在明白了理论之后，阅读我们的代码应该非常容易：尽量命名做到望文知义、封装做到了面对对象、增加了额外注释。

使用方法

1. OpenCV安装与配置（尽量不需要选择特别新的OpenCV版本，很难编译通过）
2. Clion安装与配置（Ubuntu是相类似的）
3. 修改相应的配置路径
   • CMakeList.txt，主要是OpenCV包的路径
   • main.cpp，里面标定图片文件夹路径，以及测试图片路径

之后点击运行即可（reload cmake project），当然你也可以用Visual studio来运行，因为是Cmake来管理环境变量的，所以迁移较为方便。代码已经在Windows、Ubuntu18.04下测试，能够运行。

基础知识（简要回顾）

简要的原理回顾如下：相机模型如下，主要包含四个坐标系：

四个坐标系的转换关系如下：

而我们主要关心的是从世界坐标系到像素坐标系的变换，它们的公式如下：

而相机成像过程中存在着径向畸变和切向畸变，合并后：

为了之后三维重建算法的精确性，我们必须对这些畸变进行矫正。我们可以通过张正友标定法得到相机的畸变系数，除此之外还有它的内参。获得了这两个参数，我们就能对相机的整个成像过程建立较为准确的映射关系（至少是单向的）。

感谢

标定用的图片搜集自互联网，感谢原作者！邮箱：[email protected]，有问题欢迎提问！